剑桥大学的研究人员开发的一种机器学习算法能够以97%的准确率通过活检图像判断个体是否患有乳糜泻。这项研究显示，这种AI工具可以在诊断乳糜泻方面达到与经验丰富的病理学家相同的水平。
乳糜泻是一种由摄入麸质引发的自身免疫性疾病，其症状包括腹痛、腹泻、皮疹、体重下降、疲劳和贫血。由于症状在不同个体间差异很大，患者往往难以获得准确的诊断。
目前，诊断乳糜泻的金标准是通过十二指肠（小肠的一部分）活检。病理学家会通过显微镜或计算机分析样本，寻找小肠内绒毛（小肠壁上的细小毛发状突起）的损伤情况。解读活检结果时，病理学家通常使用Marsh-Oberhuber分级系统来评估病情严重程度，从0级（绒毛正常，患者不太可能患病）到4级（绒毛完全扁平）。
剑桥大学的研究团队开发了一种机器学习算法，用于分类活检图像数据。该算法训练和测试的数据集包含来自五家不同医院的4,000多张图像，这些图像是使用四家不同公司的五种不同扫描仪获取的。
剑桥大学病理学系和丘吉尔学院的资深作者Elizabeth Soilleux教授表示：“乳糜泻影响着多达百分之一的人口，并可能导致严重的疾病，但要获得准确的诊断并不容易。许多患者需要多年才能得到准确的诊断，在当前医疗系统压力巨大的情况下，这些延误可能会继续存在。AI有潜力加速这一过程，使患者更快地获得诊断，同时减轻NHS等候名单的压力。”
研究团队在一个独立的数据集上测试了他们的算法，该数据集包含近650张来自未见过的来源的图像。基于与原始病理学家诊断结果的比较，研究人员发现该模型在超过97%的情况下是正确的。该模型的敏感性超过95%，意味着它在100个乳糜泻患者中正确识别了超过95例。其特异性接近98%，意味着它在100个非乳糜泻患者中正确识别了近98例。
此前的研究表明，即使是病理学家之间也存在诊断分歧。当向一组病理学家展示100张切片并要求他们诊断患者是否患有乳糜泻、不患乳糜泻或诊断不确定时，研究团队发现超过五分之一的病例存在分歧。这次，研究人员让四位病理学家审查了30张切片，发现病理学家与AI模型达成一致的可能性与两位病理学家之间的达成一致的可能性相同。
剑桥大学病理学系和休斯霍尔学院的研究员Florian Jaeckle博士表示：“这是首次证明AI在诊断乳糜泻方面可以达到与经验丰富的病理学家相同的准确性。由于我们在多种条件下训练了该算法，我们知道它应该能在广泛的设置下工作，即使在活检处理和成像方式不同的情况下也能有效。”
“这是加快诊断速度并释放病理学家时间以专注于更复杂或紧急病例的重要一步。我们的下一步是在更大的临床样本中测试该算法，这将使我们能够将此设备提交给监管机构，从而使其更接近在NHS中使用。”
研究人员一直在与患者群体合作，包括通过Celiac UK，分享他们的方法并与他们讨论对使用此类技术进行诊断的接受度。
Jaeckle博士补充说：“当我们与患者交谈时，他们通常非常愿意接受使用AI来诊断乳糜泻。这无疑部分反映了他们在获得准确诊断过程中遇到的困难和延误。”
“患者和临床医生经常提到的一个问题是‘可解释性’——能够理解和解释AI是如何得出诊断结果的。作为研究人员和监管机构，我们需要牢记这一点，以确保公众对医学领域中AI应用的信任。”
Soilleux教授是剑桥大学医院NHS基金会信托基金的血液病理学顾问。她与Jaeckle博士共同成立了一家名为Lyzeum Ltd的公司，以商业化该算法。
Celiac UK的研究官员Keira Shepherd表示：“在诊断过程中，患者必须继续摄入麸质以确保诊断的准确性。但这会导致不适的症状。因此，尽快获得准确诊断非常重要。”
“这项研究表明了一种可能加速诊断过程的方法……我们希望有一天这项技术能够帮助患者快速而准确地获得诊断。”
(全文结束)
